Fugu-MT 論文翻訳(概要): Applying Deep Learning to Specific Learning Disorder Screening

論文の概要: Applying Deep Learning to Specific Learning Disorder Screening

arxiv url: http://arxiv.org/abs/2008.13525v1
Date: Sat, 22 Aug 2020 20:21:52 GMT
ステータス: 処理完了
システム内更新日: 2023-05-05 06:00:29.816603
Title: Applying Deep Learning to Specific Learning Disorder Screening
Title（参考訳）: 特定の学習障害スクリーニングへのディープラーニングの適用
Authors: Nuriel S. Mor and Kathryn L. Dardeck
Abstract要約: 深層畳み込みニューラルネットワーク(CNN)は多くの視覚的タスクにおいて人間よりも優れた性能を発揮する。本研究は, 特定の学習障害の診断を手書きで行うことによって, ディープCNNが生徒を検知する能力を評価することを目的とした。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Early detection is key for treating those diagnosed with specific learning disorder, which includes problems with spelling, grammar, punctuation, clarity and organization of written expression. Intervening early can prevent potential negative consequences from this disorder. Deep convolutional neural networks (CNNs) perform better than human beings in many visual tasks such as making a medical diagnosis from visual data. The purpose of this study was to evaluate the ability of a deep CNN to detect students with a diagnosis of specific learning disorder from their handwriting. The MobileNetV2 deep CNN architecture was used by applying transfer learning. The model was trained using a data set of 497 images of handwriting samples from students with a diagnosis of specific learning disorder, as well as those without this diagnosis. The detection of a specific learning disorder yielded on the validation set a mean area under the receiver operating characteristics curve of 0.89. This is a novel attempt to detect students with the diagnosis of specific learning disorder using deep learning. Such a system as was built for this study, may potentially provide fast initial screening of students who may meet the criteria for a diagnosis of specific learning disorder.
Abstract（参考訳）: 早期発見は、スペリング、文法、句読点、明快さ、文面表現の組織化などの問題を含む、特定の学習障害と診断される患者を治療するための鍵となる。早期介入は、この障害による潜在的なネガティブな結果を防ぐことができる。深層畳み込みニューラルネットワーク(deep convolutional neural networks:cnns)は、視覚データから医療診断を行うなど、多くの視覚タスクにおいて、人間よりも優れたパフォーマンスを発揮する。本研究の目的は,筆跡から特定の学習障害の診断を受ける学生を深層cnnで検出する能力を評価することである。 MobileNetV2のディープCNNアーキテクチャは、転送学習を適用した。このモデルは、特定の学習障害の診断を受ける学生と、この診断を受けていない学生の筆跡サンプルの497枚のデータセットを用いて訓練された。検証結果から得られた特定の学習障害の検出は、受信者動作特性曲線0.89の平均領域を設定する。本研究は,ディープラーニングを用いた特定の学習障害の診断を行う学生を新たに検出する試みである。本研究のために構築されたこのようなシステムは、特定の学習障害の診断基準を満たした学生の早期初期スクリーニングを提供する可能性がある。

関連論文リスト

Towards Accessible Learning: Deep Learning-Based Potential Dysgraphia Detection and OCR for Potentially Dysgraphic Handwriting [1.9575346216959502]
図形障害(Dysgraphia)は、手書き能力に影響を与える学習障害である。早期検出とモニタリングは、タイムリーなサポートと介入を提供するために不可欠である。本研究では、ディープラーニング技術を用いて、ディジグラフィ検出と光学的文字認識の2つの課題に対処する。
論文参考訳（メタデータ） (2024-11-18T13:28:26Z)
Video-Based Autism Detection with Deep Learning [0.0]
感覚刺激に反応する子供の映像クリップを解析する深層学習モデルを開発した。以上の結果から,本モデルは子どもの運動における重要な違いを効果的に一般化し,理解していることが明らかとなった。
論文参考訳（メタデータ） (2024-02-26T17:45:00Z)
Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文参考訳（メタデータ） (2023-06-02T01:46:31Z)
Adapter Learning in Pretrained Feature Extractor for Continual Learning of Diseases [66.27889778566734]
現在、インテリジェント診断システムには、デプロイされたばかりの新しい病気を継続的に診断する能力がない。特に、新しい疾患のトレーニングデータを用いたインテリジェント診断システムの更新は、古い疾患の知識を壊滅的に忘れてしまう可能性がある。 ACLと呼ばれるアダプタベースの連続学習フレームワークは、新しい病気の集合を効果的に学習するために提案されている。
論文参考訳（メタデータ） (2023-04-18T15:01:45Z)
Comparison of Probabilistic Deep Learning Methods for Autism Detection [0.0]
自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、現在世界中で普及している神経発達障害の一つ。この疾患の早期発見は、発症治療に役立ち、正常な生活を導くのに役立つ。
論文参考訳（メタデータ） (2023-03-09T17:49:37Z)
Deep learning reveals the common spectrum underlying multiple brain disorders in youth and elders from brain functional networks [53.257804915263165]
ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
論文参考訳（メタデータ） (2023-02-23T09:22:05Z)
Action-based Early Autism Diagnosis Using Contrastive Feature Learning [2.922007656878633]
自閉症スペクトラム障害(Autism Spectrum disorder, ASD)は、神経疾患である。その主な症状は、(言語および/または非言語)コミュニケーションの困難さ、硬直的/反復的な行動である。本稿では,簡単なアクションビデオクリップを用いて,自閉症の診断を自動化するための学習的アプローチを提案する。
論文参考訳（メタデータ） (2022-09-12T16:31:34Z)
Interpretable Vertebral Fracture Diagnosis [69.68641439851777]
ブラックボックスニューラルネットワークモデルは、骨折診断のための臨床的に関連する特徴を学習する。この研究は、CT画像における脊椎骨折の診断にネットワークが使用する概念を特定する。
論文参考訳（メタデータ） (2022-03-30T13:07:41Z)
Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文参考訳（メタデータ） (2021-10-04T16:06:49Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)
Explainable and Scalable Machine-Learning Algorithms for Detection of Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
論文参考訳（メタデータ） (2020-03-02T18:20:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。